智能货架与电子价签系统

可视化演示

展示智能货架IoT架构（传感器→网关→云端）、电子价签ESL通信协议流程、以及动态定价算法与实时库存管理。切换模式探索智能零售技术。

物联架构分层

老王想把菜市场数字化，第一步不是买电子秤，而是建一套“传话系统”：摊主发现白菜快卖完了，要把消息传给管理处；管理处统计后再通知进货师傅。传慢了会断货，传错了会乱套。这套传话系统在 IoT 里就是物联架构的三层分工。

摊主是感知层——重量传感器、温湿度传感器负责“看一眼”；小工跑腿是网络层——通过低功耗蓝牙、LoRaWAN、4G 把数据传回；管理处是平台层——云端统一存储、处理、下指令。三者之间还有边缘计算：货架旁的网关小盒子先做初筛，只把“缺货”这种关键消息上报，减轻云端压力。

既然要规划网络，就得算清楚“传话容量”。假设每个传感节点每次上报 \(s_i\) 字节、每小时上报 \(f_i\) 次，协议开销系数为 \(\gamma\)，网关下挂 \(n\) 个节点，全网总带宽为：

传话系统搭好后，老王坐在管理处就能看到“东区土豆缺 3 箱”，再也不用满场跑。这就是感知、网络、平台三层分工的价值——先让数据“听得见、传得回、管得着”。

货架传感设计

传话系统建好了，可摊主怎么知道还有几箱菜？老王想起菜市场的老秤：货架本身就是一杆秤。给货架装重量传感器，货架就能自己“数数”——称出总重，减去空架子重量，再除以单个土豆的重量，件数就出来了。

传感器选型的核心是量程、精度和稳定性。量程要覆盖“空架 + 满货”的最大承重，精度则决定最小可感知的变化量。工程上还要做空架称重标定：货架安装后先在空载状态记录基准值，之后每次读数都减去它。带托盘或捆扎带的商品还要扣除包装皮重，否则库存会被系统性高估。

光有秤还不够。顾客倚靠货架、叉车经过的地面振动，都会让读数抖动。所以货架要加弹性减振挂载，软件侧再加滑动平均滤波；断电时数据先缓存在本地，恢复后离线补传，保证不丢一条消息。这样，老王的秤才算真正“靠得住”。

电子价签原理

老王每天最累的活儿是改价：傍晚青菜要降价，得拿马克笔一张张涂价签。电子价签就像一块“魔法粉笔板”——写上去的字不耗电也能一直显示，改写时才需要“蘸一次墨水”。这块板的核心是电子墨水屏（E-Paper）。

电子墨水屏内部有无数微胶囊，每个胶囊里悬浮着带正电的黑色颗粒和带负电的白色颗粒。施加电场时，颗粒翻转，显示黑或白；撤掉电场后颗粒停在原位，画面保持不变。所以只有“翻页”时才耗电，静态显示几乎零功耗——这就是一枚纽扣电池能撑数年的原因。

电子价签通过低功耗蓝牙（BLE）与门店内的基站组网。基站负责接收云端下发的价格指令，再广播给周围几百枚价签。价签数量多、单个数据包小，BLE 的低功耗、星型组网特性完美匹配。整年的功耗可以这样估算：

价签的刷新频次要和业务匹配：生鲜区每半小时变一次价，日用品区可能一天一次。老王只需在管理处点几下，全场价签同步“翻牌”，再也不用攥着马克笔满场跑了。

库存智能管理

管理处有了自动账本，还得定一套“进货规矩”：什么时候该下单？下多少？老王过去靠经验——“土豆快没了就去批发市场”，但经验换不来稳定。库存管理的核心是设定补货点（ROP），库存一旦跌破这个阈值，系统立即生成补货单。

补货点的计算要同时考虑两个因素：补货期间会卖出去多少，以及需求波动带来的不确定性。前者用日均销量乘以补货提前期，后者用安全库存兜底。公式如下：

智能货架给这套账本加上了“实时性”：每次售出都自动扣减库存，损耗和异常（比如整箱跌落、非授权搬动）会触发损溢告警。商品与货位的绑定关系也要维护好——老王经常把苹果摆到橘子位，系统就该发出“陈列错位”提醒。账本活了，断货和积压的烦恼一起减少。

动态定价策略

老王最拿手的是傍晚那嗓子：“最后两小时，青菜半价！”动态定价引擎就是把这句吆喝变成系统自动执行，而且策略远比“一刀切降价”精细。核心思路是：让价格随剩余库存和剩余营业时间自动浮动。

当库存充足时维持原价，避免无谓让利；当库存逼近临期或闭店时间，逐步放大折扣；反过来，晚高峰的热门熟食供不应求时，价格可以小幅上浮。这就是库存驱动与供需双向调节。一个典型的线性折扣模型是：

定价绝不是“越低越好”。系统要先读毛利底线，再叠加促销活动、竞品价格协同，最终生成指令下发到每一枚电子价签。老王的“吆喝”变成了算法，算法比嗓子更懂什么时候该贵、什么时候该便宜。

数据运营分析

老王多年练就一双“火眼金睛”：哪个摊围的人多、哪个货位最抢手、明天大概能卖多少。数据运营分析就是把这种直觉变成可复用的模型。货架数据叠加客流数据后，管理层能回答三个问题：什么好卖、顾客爱逛哪儿、未来卖多少。

商品热力分布通过每个货位的拿取频率绘制“热度地图”，高热度位置放高毛利商品；顾客动线分析把停留时长、折返路径可视化，辅助调整通道和陈列。而销量预测是备货和定价的共同输入。最朴素也最实用的预测方法是移动平均：

移动平均简单但滞后，进阶方案可以用指数平滑或时序模型。对老王来说，更重要的是把预测结果落到经营看板：哪类菜明天要多进、哪类咖啡要调价、哪个货架要换位置，一屏看全。直觉升级成了数据，经验沉淀成了模型。

实施与运维

数字化改造不是买一堆设备往市场里一放就完事。老王把改造比喻成“给菜市场做水电改造”：先规划，再施工，后维护，缺一不可。网络规划部署是第一步——货架、价签、网关的位置决定无线信号能否覆盖；金属货架会屏蔽信号，冷柜区湿度大，这些都要在设计阶段考虑。

成本测算是老板最关心的账。总投入包括硬件采购、安装施工、系统集成和首年运维，而收益来自损耗下降、缺货减少和溢价提升。投资回本周期可以用下面公式估算：

上线后还要有日常巡检制度：价签电量巡检、传感器零点校准、网关离线检查。故障发生时要有快速恢复预案：备用网关热切换、离线数据补传、手动改价兜底流程。老王的水电改造，最终要经得起三年五年的日常考验。

AI 应用场景

Python 演示

# -*- coding: utf-8 -*-"""智能货架与电子价签仿真: 重量推算库存 + 动态定价 + 补货提醒""" import random UNIT_WEIGHT = 100      # 单件商品重量克EMPTY_WEIGHT = 5000    # 空货架重量克MAX_ITEMS = 20         # 货架最大陈列件数BASE_PRICE = 25.0      # 商品基准价  class ShelfNode:    """带重量传感器的智能货架节点"""     def __init__(self, node_id):        self.node_id = node_id        self.base_weight = EMPTY_WEIGHT        self.item_count = MAX_ITEMS        self.buffer = []      # 离线补传缓存     def read_weight(self):        # 模拟传感器读数, 带有随机测量噪声        noise = random.uniform(-8, 8)        return self.base_weight + self.item_count * UNIT_WEIGHT + noise     def calc_stock(self):        # 毛重减空架重量, 再除以单件重量得到件数        goods = self.read_weight() - self.base_weight        return max(0, int(goods // UNIT_WEIGHT))     def sell(self, num=1):        if self.item_count >= num:            self.item_count -= num            self.buffer.append(("sell", num))     def restock(self, num):        self.item_count = min(self.item_count + num, MAX_ITEMS)        self.buffer.append(("restock", num))  def dynamic_price(stock, base=BASE_PRICE):    """库存越少折扣越大, 模拟菜市场收摊前清货"""    ratio = stock / float(MAX_ITEMS)    if ratio > 0.6:        return round(base, 2)    if ratio > 0.3:        return round(base * 0.9, 2)    return round(base * 0.75, 2)  def main():    shelf = ShelfNode("A-01")    for day in range(3):        print("第 {} 天:".format(day + 1))        for _ in range(random.randint(3, 7)):            shelf.sell(1)        stock = shelf.calc_stock()        price = dynamic_price(stock)        print("  推算库存 {} 件, 当前售价 {} 元".format(stock, price))        if stock <= 5:            print("  触发补货提醒, 自动下单补货 15 件")            shelf.restock(15)  if __name__ == "__main__":    main()

1. def calc_stock(self):用重量读数反推库存件数，是货架“自己数数”的核心方法。
2. goods = self.read_weight() - self.base_weight毛重减去空架标定值，得到货架上的商品净重。
3. random.uniform(-8, 8)模拟真实传感器噪声，提醒工程上必须做滤波和异常剔除。
4. def dynamic_price(stock, base=BASE_PRICE):根据剩余库存比例计算动态售价，对应正文的定价引擎。
5. if stock <= 5:库存跌破阈值时触发补货，对应自动补货提醒的业务规则。
6. shelf.restock(15)将补货写入节点并记录缓存，模拟断网时的离线补传机制。
7. if __name__ == "__main__":脚本入口，逐天模拟“售卖-判断-补货”的完整闭环。

常见误区

面试题